| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 引言 | 第14页 |
| 1.2 研究背景及意义 | 第14-15页 |
| 1.3 车载环境下驾驶员语音增强的研究进展 | 第15-17页 |
| 1.4 论文主要研究内容和组织结构 | 第17-18页 |
| 第二章 车载语音增强 | 第18-36页 |
| 2.1 语音信号的特点 | 第18-20页 |
| 2.2 车载环境噪声分析 | 第20-21页 |
| 2.2.1 噪声 | 第20-21页 |
| 2.2.2 车载噪声 | 第21页 |
| 2.3 语音增强常用算法 | 第21-31页 |
| 2.3.1 谱减法 | 第22-24页 |
| 2.3.2 维纳滤波算法 | 第24-27页 |
| 2.3.3 子空间语音增强算法 | 第27-31页 |
| 2.4 语音增强算法的性能评估 | 第31-34页 |
| 2.5 语音信号盲源分离 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 一种基于小波阈值去噪和盲源分离的语音增强算法 | 第36-60页 |
| 3.1 小波阈值去噪算法 | 第36-42页 |
| 3.1.1 小波变换的定义 | 第37-38页 |
| 3.1.2 离散小波变换 | 第38页 |
| 3.1.3 常用小波函数 | 第38-39页 |
| 3.1.4 小波阈值去噪算法 | 第39-42页 |
| 3.2 FastICA盲源分离算法 | 第42-44页 |
| 3.2.1 盲源分离数学模型 | 第42-43页 |
| 3.2.2 ICA | 第43-44页 |
| 3.2.3 FastICA | 第44页 |
| 3.3 基于小波阈值去噪的盲源分离算法 | 第44-47页 |
| 3.4 实验仿真 | 第47-57页 |
| 3.5 本章小结 | 第57-60页 |
| 第四章 多人语音中的驾驶员语音识别 | 第60-72页 |
| 4.1 声纹 | 第60-61页 |
| 4.2 声纹识别方法 | 第61-67页 |
| 4.2.1 声纹识别 | 第61-62页 |
| 4.2.2 常用特征提取 | 第62-66页 |
| 4.2.3 模式匹配方法 | 第66-67页 |
| 4.3 利用声纹识别驾驶员语音 | 第67页 |
| 4.4 实验仿真 | 第67-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72页 |
| 5.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |